La Inteligencia Artificial Podría Ayudar A Detectar El Alzheimer Temprano

{h1}

Al aplicar algoritmos de inteligencia artificial a las exploraciones cerebrales por mri, los investigadores han desarrollado una forma de distinguir automáticamente entre pacientes con alzheimer y dos formas tempranas de demencia que pueden ser precursoras de la enfermedad que roba la memoria.

La devastadora condición neurodegenerativa de la enfermedad de Alzheimer es incurable, pero con la detección temprana, los pacientes pueden buscar tratamientos para retardar la progresión de la enfermedad, antes de que aparezcan algunos síntomas importantes. Ahora, al aplicar algoritmos de inteligencia artificial a las exploraciones cerebrales por IRM, los investigadores han desarrollado una manera de distinguir automáticamente entre pacientes con Alzheimer y dos formas tempranas de demencia que pueden ser precursoras de la enfermedad que roba la memoria.

Los investigadores, del Centro Médico Universitario VU en Amsterdam, sugieren que el enfoque podría eventualmente permitir la detección automática y el diagnóstico asistido de varias formas de demencia, particularmente en centros que carecen de neurorradiólogos con experiencia.

Además, los resultados, publicados en línea el 6 de julio en la revista Radiology, muestran que el nuevo sistema fue capaz de clasificar la forma de demencia que padecían los pacientes, utilizando exploraciones nunca antes vistas, con una precisión de hasta el 90 por ciento. [10 cosas que no sabías sobre el cerebro]

"El potencial es la posibilidad de realizar pruebas de detección con estas técnicas para que las personas en riesgo puedan ser interceptadas antes de que se manifieste la enfermedad", dijo Alle Meije Wink, investigadora principal del departamento de radiología y medicina nuclear del centro.

"Creo que muy pocos pacientes en este momento confiarán en un resultado predicho por una máquina", dijo Wink a WordsSideKick.com. "Lo que me imagino es que un médico obtenga un nuevo escaneo y, a medida que se cargue, el software podría decir con cierta confianza que este va a ser un paciente de Alzheimer o [alguien con] otra forma de demencia. "

Metodos de deteccion

Técnicas similares de aprendizaje automático ya se han utilizado para detectar la enfermedad de Alzheimer; en esas implementaciones, las técnicas se utilizaron en las exploraciones de resonancia magnética estructural del cerebro que pueden mostrar la pérdida de tejido asociada con la enfermedad.

Pero los científicos han sabido por mucho tiempo que el cerebro experimenta cambios funcionales antes de que estos cambios estructurales se activen, dijo Wink. La tomografía por emisión de positrones (PET) ha sido un método popular para rastrear cambios funcionales, pero es invasivo y costoso, agregó.

En lugar de eso, Wink y sus colegas utilizaron una técnica de IRM llamada marcaje de giro arterial (ASL, por sus siglas en inglés), que mide la perfusión (el proceso de la sangre que se absorbe en un tejido) en todo el cerebro. El método aún es experimental, pero no es invasivo y se puede aplicar en los escáneres de IRM modernos.

Estudios anteriores han demostrado que las personas con Alzheimer suelen mostrar una disminución de la perfusión (o hipoperfusión) en el tejido cerebral, lo que resulta en un suministro insuficiente de oxígeno y nutrientes al cerebro.

Entrenando el sistema

Con el uso de los llamados mapas de perfusión de pacientes en el centro médico, el equipo de Wink entrenó su sistema para distinguir entre los pacientes que tenían Alzheimer, deterioro cognitivo leve (MCI) y deterioro cognitivo subjetivo (SCD).

En estas exploraciones cerebrales, los clasificadores se pueden representar como mapas de discriminación, donde un color rojo indica que la intensidad en esa ubicación contribuye a la probabilidad de que las imágenes pertenezcan a la etapa más avanzada y un color azul a la probabilidad de pertenecer a la Etapa menos avanzada.

En estas exploraciones cerebrales, los clasificadores se pueden representar como mapas de discriminación, donde un color rojo indica que la intensidad en esa ubicación contribuye a la probabilidad de que las imágenes pertenezcan a la etapa más avanzada y un color azul a la probabilidad de pertenecer a la Etapa menos avanzada.

Crédito: Sociedad Radiológica de América del Norte

Las exploraciones cerebrales de la mitad de los 260 participantes se usaron para entrenar el sistema, y ​​la otra mitad luego se usó para probar si el sistema podía distinguir entre diferentes condiciones cuando se observaban exploraciones de MRI nunca antes vistas.

Los investigadores descubrieron que su enfoque podría distinguir entre el Alzheimer y la SCD con una precisión del 90 por ciento, y entre el Alzheimer y el MCI con el 82 por ciento de precisión. Sin embargo, los investigadores encontraron que el sistema fue inesperadamente deficiente para distinguir entre MCI y SCD, logrando una precisión de solo el 60 por ciento. [10 maneras de mantener tu mente aguda]

Tantalizadamente, los resultados preliminares sugieren que el enfoque puede distinguir entre los casos de MCI que progresan a la enfermedad de Alzheimer y los que no, dijeron los investigadores.

En el estudio, solo hubo 24 casos de MCI con datos de seguimiento para indicar si la condición de cada paciente progresó a Alzheimer, con 12 en cada categoría. Por lo tanto, no fue factible dividirlos en dos grupos, uno para entrenar el sistema y otro para probar su capacidad para clasificar la condición en exploraciones invisibles, dijeron los investigadores.

En un análisis preliminar, el sistema recibió capacitación en los 24 casos, lo que llevó a una precisión de capacitación de alrededor del 80 por ciento al clasificar estos grupos y separarlos de los otros grupos principales.

Pero sin un grupo de predicción separado, fue imposible probar el sistema en exploraciones invisibles, dijeron los investigadores. Combinado con el pequeño tamaño de la muestra en el estudio, dijo Wink, es demasiado pronto para sacar conclusiones firmes, aunque los resultados preliminares son alentadores.

Aplicaciones del mundo real

Ender Konukoglu, profesor asistente de computación de imagen biomédica en ETH-Zurich, una universidad de ciencia e ingeniería en Suiza, dijo que la combinación de aprendizaje automático y ASL es novedosa y podría tener importantes aplicaciones clínicas, pero se necesita hacer más para validar el enfoque.

La aplicación más valiosa es la capacidad de distinguir entre los casos de MCI que progresan a la enfermedad de Alzheimer y los que no lo hacen, pero el tamaño de la muestra en este estudio es demasiado pequeño para evaluar la confiabilidad para tal uso, dijo. "Cohortes más grandes podrían mostrar que las imágenes de ASL combinadas con el aprendizaje automático pueden clasificar los grupos de MCI, pero hasta ese momento es difícil hablar sobre la aplicabilidad clínica de los métodos presentados aquí", dijo Konukoglu a WordsSideKick.com.

Wink estuvo de acuerdo en que una forma de mejorar la precisión sería utilizar conjuntos de datos más grandes. Pero el enfoque en el que está trabajando su grupo es crear técnicas de aprendizaje automático que puedan usar una amplia variedad de datos de diferentes dispositivos de imágenes, dijo.

Christian Salvatore, investigador del Instituto de Bioimagen Molecular y Fisiología del Consejo Nacional de Investigación de Italia, dijo que la investigación es innovadora pero no introduce nuevas técnicas. Es simplemente una aplicación de una conocida caja de herramientas de aprendizaje automático para el análisis de neuroimagen a ASL, dijo.

Pero el rendimiento de la clasificación es bueno, dijo Salvatore, y el enfoque también ayuda a identificar las regiones del cerebro de interés para los médicos al diagnosticar estas afecciones. Esto es algo que muchos investigadores que utilizan el aprendizaje automático para el análisis de neuroimagen descuidan, dijo.

"Los médicos quieren 'ver' los resultados, no confían en una caja negra que solo devuelve la etiqueta predicha para un paciente", dijo a WordsSideKick.com. "Por lo tanto, los mapas de los voxels más importantes [píxeles 3D] para la clasificación son muy necesarios".

Artículo original en WordsSideKick.com.


Suplemento De Vídeo: 20-02-2015. Evaluación Neuropsicológica en personas mayores.




Investigación


Los Mensajes De Texto Pueden Llevar A Una Mala Gramática
Los Mensajes De Texto Pueden Llevar A Una Mala Gramática

Volvo Implementa La Primera Bolsa De Aire Para Peatones Del Mundo
Volvo Implementa La Primera Bolsa De Aire Para Peatones Del Mundo

Noticias De Ciencia


La Hormiga Reina Sacrificará A La Colonia Para Retener El Trono
La Hormiga Reina Sacrificará A La Colonia Para Retener El Trono

¿La Lactancia Materna Hace Que Los Senos Caigan?
¿La Lactancia Materna Hace Que Los Senos Caigan?

Los 5 Accidentes De Teletransportador Más Enfermos
Los 5 Accidentes De Teletransportador Más Enfermos

Fish Pick 'Hot' Pals Para Evitar El Acoso
Fish Pick 'Hot' Pals Para Evitar El Acoso

Comida Reconfortante: Un Arma Deliciosa Contra La Soledad
Comida Reconfortante: Un Arma Deliciosa Contra La Soledad


ES.WordsSideKick.com
Reservados Todos Los Derechos!
La Reproducción De Cualquier Permitió Sólo Prostanovkoy Enlace Activo Al Sitio ES.WordsSideKick.com

© 2005–2019 ES.WordsSideKick.com